نگار علی- در رویداد IRAN AI 2025، پنل تخصصی «صنعت بانکداری و خدمات مالی» با حضور مدیران و کارشناسان برجسته این حوزه برگزار شد. محوریت بحث‌ها پیرامون استفاده از هوش مصنوعی در بانکداری و پرداخت الکترونیک، مدیریت داده‌ها و افزایش دقت و سرعت فرایندها بود.
شرکت‌کنندگان در این پنل بر ضرورت ایجاد زیرساخت‌های پردازشی مناسب، بهره‌گیری از مدل‌های هوشمند برای تشخیص تقلب و مدیریت ریسک، و ایجاد چت‌بات‌ها و سیستم‌های داخلی هوش مصنوعی تأکید کردند. در حالی که حجم عظیم تراکنش‌ها و پراکندگی داده‌ها، بانک‌ها و شبکه‌های پرداخت را با چالش‌های جدی مواجه کرده است، استفاده بهینه از داده‌ها و توسعه فناوری‌های نوین می‌تواند علاوه بر افزایش دقت و اتوماسیون، تجربه بهتری برای مشتریان فراهم کند.
مدیران حاضر همچنین به محدودیت‌های ناشی از تحریم‌ها، اهمیت داده‌محوری (Data-centric approach) و نیاز به همگرایی میان بانکداری سنتی و مدرن اشاره کردند. به گفته آنان، ترکیب داده‌های دقیق، مدل‌های هوش مصنوعی و ابزارهای داخلی می‌تواند زمینه‌ساز تحول دیجیتال و ارتقای کارایی در صنعت مالی ایران باشد.
سرعت عمل و اعتمادسازی در پردازش داده‌ها، کلید موفقیت بانک‌ها
جابر علوی، کارشناس حکمرانی داده و مبارزه با پولشویی، بر اهمیت سرعت عمل، دقت و اعتمادسازی در پردازش داده‌ها تأکید کرد. او توضیح داد که برای افزایش سرعت تحلیل داده‌ها، نیاز به جمع‌آوری و آماده‌سازی اطلاعات پراکنده و استفاده از مدل‌های پردازش عصبی وجود دارد.
علوی افزود: «اعتماد به شناسایی‌ها و صحت نتایج مدل‌ها بسیار مهم است و باید با حذف داده‌های اضافی و لیبل‌گذاری دقیق، خروجی‌ها قابل اعتماد و آماده ارائه به واحدهای عملیاتی شوند.»
وی همچنین به قابلیت استفاده از ترکیب الگوریتم‌ها و آماده‌سازی داده‌های اولیه برای مدل‌های سفارشی اشاره کرد و گفت که این فرایند می‌تواند دقت شناسایی‌ها را تا بالای ۷۰ درصد افزایش دهد.
حجم عظیم داده‌ها؛ فرصت یا چالش برای هوش مصنوعی در پرداخت
وحید خدابخشی، کارشناس ریسک و امنیت شبکه، با ارائه آمار از تراکنش‌های روزانه شبکه پرداخت کشور، بر اهمیت داده‌محوری (Data-centric approach) تأکید کرد.
وی بیان کرد: «با حجم عظیم داده‌ها، استفاده از هوش مصنوعی برای افزایش دقت، اتوماسیون و ارائه خدمات ۲۴ ساعته ضروری است.»
خدابخشی افزود که فاصله میان بانکداری سنتی و نوین، به ویژه در زمینه پیاده‌سازی APIها و اتصال به اکوسیستم‌های دیجیتال، یکی از مهم‌ترین چالش‌هاست. او همچنین به اهمیت مدیریت داده‌ها (Data Governance) برای جلوگیری از افزونگی و حفظ اصالت اطلاعات اشاره کرد.
داده‌ها، پیش‌نیاز هوش مصنوعی در بانکداری نوین
علی رضائیان، کارشناس فناوری اطلاعات و ارتباطات، به نقش داده‌ها به عنوان پیش‌نیاز هوش مصنوعی در بانکداری نوین پرداخت.
وی گفت: «جمع‌آوری و تحلیل داده‌های مشتریان از طریق اپلیکیشن‌ها، تراکنش‌ها و سایر منابع، امکان پروفایلینگ دقیق‌تر و افزایش دقت عملیاتی را فراهم می‌کند.» رضائیان همچنین به اهمیت بررسی دقیق نتایج مدل‌ها و ایجاد چرخ‌های بازخورد (Feedback Loops) برای اصلاح مستمر فرایندها اشاره کرد.
چت‌بات‌ها و سیستم‌های داخلی؛ راهکار پاسخگویی یکنواخت به مشتریان
در ادامه، جابر علوی به محدودیت‌های استفاده از سرویس‌های خارجی اشاره کرد و گفت: «با توجه به تحریم‌ها و مسائل مربوط به حریم خصوصی، بانک‌ها نمی‌توانند به راحتی از مدل‌ها و سرویس‌های خارجی استفاده کنند. ایجاد چت‌بات‌ها و مدل‌های داخلی می‌تواند به ارائه خدمات یکنواخت و افزایش کارایی فرایندهای مشتری‌محور کمک کند.»
او اضافه کرد که این ابزارها می‌توانند تعداد زیادی از پاسخ‌های کارشناسی را به صورت استاندارد ارائه دهند و از سردرگمی مشتریان جلوگیری کنند.
در مجموع، پنل نشان داد که هوش مصنوعی و تحلیل داده‌ها در بانکداری و پرداخت الکترونیک ایران، نه یک انتخاب بلکه یک ضرورت است و پیشرفت در این حوزه نیازمند زیرساخت‌های مناسب، مدیریت داده‌ها و هماهنگی میان بخش‌های سنتی و مدرن بانکداری است.
۲۲۷۲۲۷
نظر شما